DeepMind的天气人工智能可以更快、更准确地预测极端天气

　　“天气预报是人类长期以来研究的最具挑战性的问题之一。如果你看看过去几年气候变化发生了什么，这是一个非常重要的问题，”b谷歌DeepMind研究副总裁普什米特·科利(Pushmeet Kohli)说。

　　传统上，气象学家使用大量的计算机模拟来进行天气预测。它们的运行非常耗费能源和时间，因为模拟要逐一考虑许多基于物理的方程和不同的天气变量，如温度、降水、压力、风、湿度和云量。

　　GraphCast使用机器学习在一分钟内完成这些计算。它的预测不是基于物理方程，而是基于40年的历史天气数据。GraphCast使用图形神经网络，将地球表面映射成超过一百万个网格点。在每个网格点，该模型预测温度、风速和风向、平均海平面压力，以及湿度等其他条件。然后，神经网络能够找到模式，并得出关于每个数据点接下来会发生什么的结论。

　　在过去的一年里，天气预报经历了一场革命，GraphCast、华为的panu - weather和英伟达的FourcastNet等模型让气象学家重新思考人工智能在天气预报中可以发挥的作用。Lam说，GraphCast改进了其他竞争模型的性能，例如Pangu-Weather，并且能够预测更多的天气变量。ECMWF已经在使用它了。

　　去年12月b谷歌DeepMind首次推出GraphCast时，感觉就像过圣诞节一样，ECMWF地球系统建模主管彼得·杜本(Peter Dueben)说，他没有参与这项研究。

　　他说:“这表明，这些模型非常好，我们再也不能回避它们了。”

　　加州大学洛杉矶分校(UCLA)计算机科学助理教授阿迪亚·格罗弗(Aditya Grover)说，GraphCast是天气预测的“算总账时刻”，因为它表明可以利用历史数据进行预测。格罗弗开发了ClimaX，这是一个基础模型，可以让研究人员完成与地球天气和气候建模相关的不同任务。